機械学習モデルの作成の概要

機械学習モデルを作成するためのステップの概要を次に示します。営業機械学習モデルを構築するには、営業機械学習の管理(ZCA_MANAGE_SALES_MACHINE_LEARNING_PRIV)権限が必要です。

既存のモデルを複製してコピーを変更するか、独自のモデルを最初から作成するかを選択できます。
いくつかの基本情報を追加します。モデルを最初から作成する場合は、作成するモデルのオブジェクトとタイプ(予測モデルまたは類似レコードを識別するモデル)を選択します。たとえば、次のように作成するモデル・タイプを選択します。
- 予測結果- このモデル・タイプは、商談が成約する可能性が高いかどうかの予測などの予測に使用されます。また、ディール・サイズ(数値)またはクローズまでの時間(日数)またはアカウント・スコア(数値)を予測するために使用することもできます。
- 類似レコードの識別- このモデル・タイプは、表示されているレコードと類似する他の顧客の検索など、類似するレコードの検索に使用されます。また、作業中の商談と同様の機会を見つけるためにも使用できます。
モデルに使用する属性を選択します。
データ・セット・フィルタを追加して、予測モデルと類似レコード・モデルの両方に対してトレーニング・データ・セットを定義できます。
- 予測モデル- これは、機械学習モデルがトレーニングされるデータ・セットです。たとえば、モデルで商談の結果を予測する必要がある場合は、過去のクローズ済商談から学習することで、受注結果と失注結果の両方のパターンを学習する必要があります。モデル・トレーニング中、モデルは受注済および失注済商談とは異なるパターンから学習します。
- 類似レコード・モデル- 類似レコードが見つかったデータ・セットです。たとえば、有効な取引先がトレーニングデータセットの一部として使用されている場合、取引先ごとに、有効な取引先から同様のレコードのみが検索されます。非アクティブなアカウントは、類似レコードとして表示されません。
予測結果モデル・タイプの予測結果を格納する属性を指定できます。このユース・ケースで成功した結果とみなされる結果を選択します。たとえば、商談の予測では、成約の結果を成約基準とみなすことができます。
「データの準備」をクリックして、属性ごとに十分なデータがあるかどうかを確認します。
モデルが「エラー」ステータスになる場合、一部の属性に十分なデータがないため、別の属性を選択するか、データを修正する必要があります。
モデルが「準備済」ステータスで完了した場合は、「機能の追加」ステップで様々な属性のデータ・カテゴリを追加できます。
「送信」をクリックしてモデルを構築します。
モデル結果を分析します。モデルの改善方法に関するヒントが表示されます。
モデルの改善が必要な場合は、前のステップに戻って調整できます。
モデルをデプロイして、日次、週次または月次のスケジュールで自動的に実行できます。

ヒント:
予測モデルの場合は、予測されるパターンが変化する頻度に基づいてモデルを再構築する必要があります。たとえば、商談受注確度モデルのトレーニングの繰返しは、受注と失注のパターンが変化する頻度によって決定できます。

類似レコード・モデルの場合は、新規または更新済レコードが類似レコードとして表示される予定の時期に基づいてモデルを再作成する必要があります。たとえば、新しく作成されたアカウントは、1日以内または1週間以内のものとして表示されます。

機械学習モデルの構築方法を示すサンプル・フローチャートを次に示します。